Descriptif du poste:\n\nCONTEXTE DU POSTE\nDans le cadre du projet STAB (Smart Testing & Advanced Benches), les laboratoires LISPEN et PIMM développent des méthodes combinant modélisation mécanique, jumeaux numériques et intelligence artificielle afin d'améliorer la fiabilité et l'efficacité des essais expérimentaux sur prototypes mécaniques. \nL'objectif est de mieux exploiter les données issues des bancs d'essai, d'optimiser le couplage simulation?expérimentation et de détecter les anomalies liées aux moyens d'essai ou aux pièces testées. \nLe poste s'inscrit dans un environnement de recherche académique et partenarial, avec des perspectives de publications scientifiques, de communications et de collaborations industrielles. \n\nMISSION DU POSTE\nContribuer au projet STAB en développant, adaptant et exploitant des modèles mécaniques et des jumeaux numériques de bancs d'essai et de prototypes testés. \nLe/la titulaire intégrera des méthodes d'intelligence artificielle et d'analyse de données expérimentales afin d'identifier les anomalies, d'améliorer les modèles et d'optimiser les campagnes d'essais. \nIl/elle participera également à la validation expérimentale, à l'analyse des résultats et à la production de livrables scientifiques et techniques. \nACTIVITÉS PRINCIPALES\n* \nAdapter, paramétrer et exploiter des modèles mécaniques des systèmes étudiés : statique, dynamique vibratoire et fatigue. \n* \nDévelopper ou adapter des modèles mécaniques de structures testées et les confronter aux données expérimentales. \n* \nConcevoir des jumeaux numériques des bancs d'essai, des prototypes et des systèmes testés. \n* \nMettre en oeuvre des méthodes de calibration, de mise à jour et d'intégration des données d'instrumentation et d'acquisition. \n* \nExploiter les données expérimentales issues des campagnes d'essais. \n* \nDévelopper des méthodes d'intelligence artificielle / machine learning pour la détection d'anomalies, la prédiction de dégradation, l'amélioration des simulations et l'optimisation des modèles. \n* \nParticiper à la conception, à la réalisation et à la validation des campagnes expérimentales. \n* \nAnalyser les performances des méthodes développées, comparer les résultats expérimentaux et numériques et ajuster les modèles. \n* \nRédiger des rapports scientifiques et techniques et contribuer aux publications, conférences et communications du projet.\n\nProfil recherché:\n\nFormation : Doctorat en sciences pour l'ingénieur, idéalement en mécanique, dynamique des structures, mécatronique, modélisation numérique ou domaine proche.\nCompétences techniques requises :\n* \nSolides connaissances en mécanique des structures et en dynamique des systèmes ;\n* \nMaîtrise de la modélisation numérique, notamment par éléments finis (FEM) ou à l'aide de modèles dynamiques ;\n* \nExpérience des méthodes de réduction de modèles (ROM, hyper-réduction) ;\n* \nCompétences en traitement et analyse de données expérimentales\nCompétences complémentaires appréciées :\n* \nConnaissances en intelligence artificielle et en apprentissage automatique appliqués à l'ingénierie ;\n* \nMaîtrise de l'instrumentation, de l'acquisition de données et de la programmation scientifique (Python, MATLAB, C++ ou équivalent) ;\n* \nExpérience du couplage simulation?expérimentation ;\n* \nNotions de gestion de projet et aptitude au travail en équipe pluridisciplinaire.\nLangues : bon niveau d'anglais lu, écrit et parlé.\nSavoir-être :\n* \nAutonomie.\n* \nRigueur.\n* \nÉcoute.\n* \nOuverture d'esprit.\n* \nAisance dans le travail en équipe pluridisciplinaire.